- 博客(52)
- 收藏
- 关注
RSS订阅原创 Anomaly Detection via Reverse Distillation from One-Class Embedding
将异常特征视为正常模式上的扰动，紧凑嵌入充当信息瓶颈，有助于阻止异常扰动传播到学生模型，从而增强T-S模型在异常上的表示差异。提出了一种新的知识蒸馏范式——反向蒸馏，解决传统知识蒸馏（KD）方法中教师和学生模型架构相似导致的异常表示多样性不足的问题，从而提升异常检测的准确性和鲁棒性。从回归角度来看，反向蒸馏使用学生网络来预测教师模型的表示，“反向”既指教师编码器和学生解码器的反向结构，也指知识蒸馏的顺序（先蒸馏高层次表示，后是低层次特征）。异常分数通过多尺度异常图的累积计算得出，用于异常检测和定位。
2025-02-24 19:34:03
607
原创 RealNet: A Feature Selection Network with Realistic Synthetic Anomaly for Anomaly Detection
RealNet
2025-02-19 16:02:24
792
原创 Fully Convolutional Cross-Scale-Flows for Image-based Defect Detection
Cross-Scale-Flows
2025-02-18 17:04:46
1017
原创 MemSeg: A semi-supervised method for image surface defectdetection using differences & commonalities
MemSeg
2024-12-13 21:52:12
834
原创 SimpleNet: A Simple Network for Image Anomaly Detection and Localization
SimpleNet: A Simple Network for Image Anomaly Detection and Localization
2024-12-03 21:02:41
1012
原创 A lightweight network for PV cell defect detection in EL images based on NAS and knowledge distillat
A lightweight network for photovoltaic cell defect detection in electroluminescence images based on neural architecture search and knowledge distillation
2024-10-30 11:19:31
870
原创 PV-S3 : Automatic PV Defect Detection using Semi-Supervised Semantic Segmentation of EL Image
PV-S31 : Advancing Automatic Photovoltaic Defect Detection usingSemi-Supervised Semantic Segmentation of Electroluminescence Images
2024-10-29 18:32:10
857
原创 Day1-力扣刷题学习打卡
给定一个整数数组nums和一个整数目标值target，请你在该数组中找出target的那整数，并返回它们的数组下标。你可以假设每种输入只会对应一个答案。但是，数组中同一个元素在答案里不能重复出现。你可以按任意顺序返回答案。Python题解 ：for循环+字典key:valueenumerate函数用于遍历序列中的元素以及它们的下标。函数原型：enumerate(sequence, [start=0])功能：将可循环序列sequence以start开始分别列出序列数据和数据下标。
2024-03-16 21:35:20
460
原创 文献研读HSIC Based on Superpixel Feature Subdivision and Adaptive Graph Structure (GAT-AGSM)
Hyperspectral Image Classification Based on Superpixel Feature Subdivision andAdaptive Graph Structure
2023-12-19 21:53:25
196
原创 基于卷积神经网络（CNN）的手写数字识别-完整代码
用于将一个可遍历的数据对象(如列表、元组或字符串)组合为一个索引序列，同时列出数据和数据下标，一般用在 for 循环当中。当第二个参数不写入的时候，如果可迭代的元素全部取出来后，会返回Stoplteration的异常；当第二个参数写入的时候，可迭代对象完之后，会一直返回第二个参数写的数值。可以看出Compose里面的参数实际上就是个列表，而这个列表里面的元素就是你想要执行的transform操作。shuffle的实际效果为，假设有数据a,b,c,d，batch_size=2后打乱，具体是下面的。
2023-10-11 21:33:49
1766
原创 Local Augmentation for Graph Neural Networks
Local Augmentation for Graph Neural Networks
2022-08-13 17:41:42
1254
原创 Graph Neural Networks with Convolutional ARMA Filters
Graph Neural Networks with Convolutional ARMA Filters
2022-07-29 09:11:14
1514
1
原创 Convolutional Neural Networks on Graphswith Fast Localized Spectral Filtering
Convolutional Neural Networks on Graphswith Fast Localized Spectral Filtering
2022-07-15 23:05:27
1895
转载 表达式运算讲解
先看下只有 + 和 * 的。输入长度为n的字符串，例如：1+2+3*4*5输出表达式的值，即：63应该用什么数据结构？栈。应该先计算哪一步？实际应该先计算1+2。“表达式求值”问题，两个核心关键点：（1）双栈，一个操作数栈，一个运算符栈；（2）运算符优先级，栈顶运算符，和，即将入栈的运算符的优先级比较：如果栈顶的运算符优先级低，新运算符直接入栈如果栈顶的运算符优先级高，先出栈计算，新运算符再入栈仍以1+2+3*4*5举例，看是如何利用上述两个关键点实施计算的。
2021-11-11 22:02:19
381
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人